Communication Dans Un Congrès Année : 2025

Reconstruction tomographique par représentation neuronale implicite de volumes régularisée pour la microscopie électronique

Résumé

Electron tomography enables 3D analysis of materials at the nanometric scale. But mechanical constraints limit the range of acquisition angles to around 120 degrees. This leads to elongation artifacts when using conventional tomographic reconstruction methods. This work proposes the use of an implicit volume representation encoded in a neural network. We show that this method is less prone to missing angle artifacts and propose a Total Variation regularization to better improve reconstruction.

La tomographie électronique permet l'analyse des matériaux en 3D à l'échelle nanométrique. Mais des contraintes mécaniques limitent la plage d'angles d'acquisition à environ 120 degrés. Ceci conduit à des artefacts d'élongation lors de l'utilisation de méthodes de reconstruction tomographiques classiques. Ce travail propose d'utiliser une représentation implicite du volume encodée dans un réseaux de neurones. Nous montrons que cette méthode est moins sujette aux artefacts d'angles manquants et proposons une régularisation de type Variation Totale pour améliorer la reconstruction.

Fichier principal
Vignette du fichier
2025_valette1730.pdf (1.2 Mo) Télécharger le fichier
Origine Fichiers produits par l'(les) auteur(s)
Licence

Dates et versions

hal-05397415 , version 1 (04-12-2025)

Licence

Identifiants

  • HAL Id : hal-05397415 , version 1

Citer

Gauthier Multari, Julie Digne, Nicolas Bonneel, Lucian Roiban, Voichiţa Maxim, et al.. Reconstruction tomographique par représentation neuronale implicite de volumes régularisée pour la microscopie électronique. 30e Colloque sur le traitement du signal et des images GRETSI’25, Aug 2025, Strasbourg, France. ⟨hal-05397415⟩
320 Consultations
160 Téléchargements

Partager

  • More